状态
分类
预测
整个过程可以拆成四步：图5｜WCM核心架构：共享的历史表征同时服务于价值估计与下一潜在状态预测。
文章
（3）只有在加入未来状态预测后，多帧历史才稳定转化为更好的价值估计。
文章
表示
经过语言条件化的多帧特征，被送入因果TransformerWorldPredictor，形成当前的历史状态表示。
文章
有多好
也就是说，WCM不会把状态有多好和执行某个动作后会怎样混为一谈，却又允许两类目标共同改善共享表征。
文章
在Actor-Critic类强化学习中，策略（Policy）决定做什么，Critic则负责判断这个状态有多好，并据此计算优势、指导Policy更新。
文章
价值
WCM设置两个轻量预测头：ValueHead输出当前状态价值；
文章
“把胡萝卜放到盘子里”和“折叠毛巾”，即使视觉画面相似，对状态价值的定义也完全不同。
文章
